1 数据：新的生产要素

数字化转型不能一蹴而就，数据治理也不是一朝一夕之功。数字化转型带来机遇的同时，也给整个企业的数据治理带来了新的挑战。

基于对华为公司数字化转型的解读，华为建立了数据综合治理体系，发布了信息架构，构建了数据湖、数据底座，打造了数据感知、安全合规能力，提升了数据质量。

数据已经成为与劳动、资本、土地、知识、技术、管理等并列的新的生产要素，一方面要提高数据资产的利用率，另一方面需要降低数据的运行维护成本。

数据能创造价值，但数据创造价值的功能并不能由数据自身来直接实现，数据要素也不能直接参与价值分配，而是要经过数据创造、加工并传输给数据要素使用者后，才能创造价值，进而参与价值分配。

2 摆脱传统手段的数据管理方式

1）智能数据管理是数据工作的未来

数据管理的工作对象天然具有极高的数字化程度、极具规模的体量、强大的内生关联度，需要应用智能化、数字化的新方法来提升工作效率和效果，借助于数据挖掘、机器学习、数据可视化等方法来更深入地了解海量、复杂、多维、高度互联的数据，让企业的海量数据更加透明、可知、易用。

2）内容级分析能力提供资产全景图

可以基于多维数据特征的可视化分析技术，对数据质量进行内容级分析，采用特征工程方法，建立数据内容的多维模型，在高维空间进行多维度聚类，利用可视化投影技术在二维平米进行渲染展示。

3）属性特征启发主外键智能联接

数据主外键关系在数据链传递时丢失了，给数据管理带来了不小的困扰。可以通过若干个属性字段投影重叠表明可能存在主外键关系，进行自动主外键关系发现。

4）质量缺陷预发现

除了基于规则对质量的方方面面进行有尺度的微观管控和宏观治理之外，还可以用大数据分析与可视化方法进行分析管理。

5）算法助力数据管理

越来越多的智能数据分析算法应用于企业内部的数据管理和治理任务中，让数据工作者从繁重的数据处理分析中解脱出来，有更多的时间思考、设计和解决数据管理的本质问题，既能下沉到数据里触摸到落地的细节，又能上升到整个全景把握好宏观趋势。

6）数字道德抵御算法歧视

我们需要对数据流程上的各个环节所受的影响进行分类，谨慎评估潜在的道德和伦理风险，充分测试、模拟和评估数据系统，提高算法模型的透明度，遵循最佳实践进行数据分享。